基于多种群离散差分进化的图像稀疏分解算法-模式识别与人工智能.pdfVIP

第27 卷摇 第 10 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 模式识别与人工智能摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Vol.27摇 No.10 摇 2014年10月摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 PR AI摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Oct.摇 摇 2014 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 基基于多种群离散差分进化的图像稀疏分解算法* 1,2 1,3 1 2 黄亚飞 摇 摇 梁昔明 摇 摇 陈义雄 摇 摇 陈立福 1(中南大学 信息科学与工程学院摇 长沙410083) 2(长沙理工大学 电力与交通安全监控及节能技术教育部工程研究中心摇 长沙410004) 3(北京建筑大学 理学院摇 北京 100044) 摘摇 要摇 从过完备字典中得到图像的最稀疏表示是一个 NP难问题,即使是次优的匹配追踪也相当复杂.针对 Gabor多成份字典,提出基于多种群离散差分进化的图像稀疏分解算法.该算法采用3个子种群在不同成份子字典 中搜索最佳匹配原子,父代通过多种变异算子生成多个子代,保持群体多样性,同时引入相关系数避免残差更新时 多原子匹配重叠的问题.实验表明相比于快速匹配追踪算法,在稀疏逼近性能相当的情况下,文中算法的稀疏分解 速度更快;与其他基于进化算法的稀疏分解方法相比,文中算法的稀疏逼近性能更优.最后的结果分析验证文中算 法参数设置的合理性. 关键词摇 稀疏表示,多种群,差分进化(DE),匹配追踪(MP) 中图法分类号摇 TP301.6 Image Sparse Decomposition Algorithm Based on Multi鄄population Discrete Differential Evolution 1,2 1,3 1 2 HUANG Ya鄄Fei ,LIANG Xi鄄Ming ,CHEN Yi鄄Xiong ,CHEN Li鄄Fu 1(School of Information Science and Engineering,Central South University,Changsha410083) 2(Engineering Research Center of Electric Power and Traffic Safety Monitoring and Control and Energy Conservation Technology,Ministry of Education,Changsha University of Science and Technology, Changsha410004) 3(School of Sciences,Beijing University of Civil Engineering andArchitecture,Beijing 100044) ABSTRACT To obtain the sparsest representation of an image using a redundant dictionary is NP鄄hard,and the existing sub鄄optimal algorithms for solving this problem such as matching pursuit (MP) are h